23、慢性阻塞性肺疾病中肺气肿亚型的无监督发现

慢性阻塞性肺疾病中肺气肿亚型的无监督发现

1. 引言

慢性阻塞性肺疾病（COPD）是一种以气流不畅为特征的慢性肺部疾病，肺气肿是COPD的标志性病症之一，表现为肺肺泡的破坏和空气腔的永久性扩大。目前已识别出几种肺气肿亚型，这些亚型常用于诊断和预测患者的预后，并且与遗传数据和生理指标相关。

在计算机断层扫描（CT）中，肺气肿呈现出多种纹理，这些纹理与临床定义的疾病亚型相关。然而，在CT图像中识别亚型时，存在显著的读者内和读者间差异。计算方法有望识别出人类读者难以察觉的细微纹理差异，从而产生明确、可重复的疾病亚型。此外，当患者群体的异质性得到表征时，计算方法还可能为疾病提供新的见解。

本文提出了一种同时检测不同患者群体和疾病亚型的方法。该算法基于生成模型，假设每个患者群体与不同的疾病亚型分布相关。通过变分期望最大化（EM）算法进行推理，并将其应用于包含2457次胸部CT扫描的数据集，观察到生理指标与所识别的患者群体和疾病亚型之间存在显著关联。

2. 模型

2.1 生成模型

生成模型假设存在K个潜在的患者群体，每个群体具有不同的疾病亚型分布。研究中共有N次CT扫描，每次扫描处理后由R个不重叠的补丁表示。对每个补丁应用特征提取方法，构建特征向量{Fnr}作为算法的输入。

在实验中，使用灰度共生矩阵（GLCM）特征和强度直方图的组合作为特征描述符，这些描述符均从三维补丁中提取。

患者的群体分配分布由π参数化，用向量Cn表示。对于群体k中的所有患者，疾病亚型的分布由αk参数化，用Lnr表示。每个补丁属于S种疾病亚型之一。使用高斯分布N(·; μ, Σ)对疾病亚型s中的特征向量进行建模。